
 
 
 Автори : 
 
 
 
 Альваро Картеа Fayc¸al Drissia Марчелло Монга Authors: 
 
 
 
 Альваро Картеа Аль Дріссіа Марчелло Монга Table Of Links стіл ліворуч абстрактні 1. Introduction 1 Введення 2. Constant function markets and concentrated liquidity Постійно функціонуючі ринки та концентрована ліквідність 
 
 
 Постійно функціонують ринки Концентрований ринок ліквідності 3. The wealth of liquidity providers in CL pools Багатство постачальників ліквідності в групах CL 
 
 
 
 Значення позиції Fee income
 
 
 
 
 
 Fee income: pool fee rate Fee income: spread and concentration risk Fee income: drift and asymmetry Ребаланс витрат і витрат на газ 4. Optimal liquidity provision in CL pools Оптимальне забезпечення ліквідності в полях CL 
 
 
 
 
 Проблема Оптимальна стратегія Дискусія: рентабельність, PL і ризик концентрації Дискусія: дрейф і схильність до позицій 5. Performance of strategy 5 Виконання стратегії 
 
 
 
 Методологія Бенчмарк Результати виконання 6. Discussion: modelling assumptions Дискусія: моделювання припущень 
 
 Обговорення: пов'язана робота 7. Conclusions And References VII. Висновки та посилання Abstract абстрактні Постійні ринки продуктів з концентрованою ліквідністю (CL) є найпопулярнішим типом автоматизованих ринкових виробників. У цій статті ми характеризуємо динаміку безперервного часу багатства стратегічних LP, які динамічно регулюють свій діапазон надання ліквідності в CL-полюсах. Далі ми виводимо стратегію самофінансування та оптимального забезпечення ліквідністю у закритій формі, де ширина діапазону ліквідності LP визначається рентабельністю басейну (пропозиційні збори мінус витрати на газ), передбачуваними втратами (PL) позиції LP та ризиком концентрації. Нарешті, ми використовуємо дані Uniswap v3, щоб показати, що, в середньому, LP торгували з значною втратою, і показати, що вибіркова продуктивність нашої стратегії перевершує історичну продуктивність LP в басейні, який ми розглядаємо. Введення Традиційні електронні обміни організовані навколо книг лімітних замовлень, щоб з'ясувати попит і пропозицію ліквідності. На відміну від цього, приймачі і постачальники ліквідності на ринках постійних функцій (CFM) взаємодіють в банках ліквідності; постачальники ліквідності (LPs) депонують свої активи в банках ліквідності, а приймачі ліквідності (LTs) обмінюють активи безпосередньо з банком. В даний час константні ринки продуктів (CPM) з концентрованою ліквідністю (CL) є найпопулярнішим типом CFM, з Uniswap v3 в якості першого прикладу; див. У CPM з CL, LP вказують інтервали курсів (тобто діапазони тику), над якими вони депонують свої активи, і ця ліквідність є контрагентом для операцій LT, коли маргінальний обмінний курс басейну знаходиться в межах ліквідного діапазону LP. Коли LP депонують ліквідність, збори, сплачені LT, накопичуються і виплачуються LP, коли вони вилучають свої активи з басейну. Існуючі дослідження характеризують втрати LP, але не пропонують інструменти для забезпечення стратегічної ліквідності.У цій статті ми вивчаємо стратегічне забезпечення ліквідності в CPM з CL. Ми виводимо динаміку безперервного часу багатства стратегічних LP, яка складається з позиції, яку вони тримають в басейні (цінність позиції), дохід від платежів та витрат від переміщення їх позиції ліквідності. Ширина діапазону, в якому зберігаються активи, впливає на вартість позиції ЛП у басейні; зокрема, ми показуємо, що передбачувані збитки (PL), які зазнають ЛП, збільшуються в міру зменшення ширини діапазону ліквідності. PL схожий на збиток по відношенню до ребалансу (LVR) в Milionis et al. (2022) , який описує збитки в традиційних CFM, коли LP хеджують свою цінову експозицію на екзогенному ринку.1 Крім того, ми показуємо, що дохід від платежів підлягає компромісу між шириною діапазону ліквідності LP і волатильністю маргінальної ставки в басейні. Ризик концентрації відноситься до ризику, з яким стикається LP, коли її позиція зосереджена в вузьких діапазонах; LP перестає збирати збори, коли ставка виходить з діапазону її позиції. Ми виводимо оптимальну динамічну стратегію для забезпечення ліквідності в CPM з CL. У нашій моделі LP максимізує очікувану корисність її термінального багатства, що складається з накопичених торговельних зборів та прибутків і збитків від стратегії створення ринку. Динамічна стратегія контролює ширину і відхилення ліквідності, що спрямовується на маргінальний обмінний курс. Для конкретного випадку лог-утиліта ми отримуємо стратегію у закритій формі і показуємо, як рішення балансує протилежні ефекти між PL і стягненням зборів. Коли волатильність збільшується, PL збільшується, тому є стимул для LP розширити діапазон ліквідності, щоб зменшити експозицію стратегії до PL. Зокрема, в крайньому випадку дуже високої волатильності LP повинен вийти з басейну, тому що експозиція до PL занадто висока. Також, коли спостерігається збільшення потенційних комісійних зборів, які LP може стягувати через більш високу активність ліквідності, стратегія балансує дві протилежні сили. По-перше, існує стимул для збільшення збору комісійних зборів, концентруючи ліквідність LP в вузькому діапазоні навколо обмінного курсу басейну. По-друге, є стимул обмежити втрати через ризик концентрації, розширюючи діапазон надання ліквідності. Нарешті, коли дрейф маргінального обмінного курсу є стохастичним (наприклад, прогнозний сигнал), стратегія відхиляє діапазон ліквідності для збільшення доходів від платежів, захоплюючи торговельний потік LT, і збільшуючи вартість позиції, отримуючи прибуток від очікуваних змін маргінального курсу. Нарешті, ми використовуємо дані Uniswap v3 для мотивації нашої моделі та тестування продуктивності стратегії, яку ми отримуємо. Щоб ілюструвати ефективність стратегії, ми використовуємо дані проби, щоб оцінити параметри моделі та дані проби, щоб перевірити стратегію. Наш аналіз історичних операцій в Uniswap v3 показує, що LP торгували значними втратами, в середньому, в басейні ETH/USDC. Ми показуємо, що ефективність нашого стратегії значно перевищує середню продуктивність LP, яку ми спостерігаємо в басейні ETH/USDC. Ранні роботи з AMM є в Chiu і Koeppl (2019), Angeris et al. (2021), Lipton і Treccani (2021), Capponi і Jia (2021), Engel і Herlihy (2021a,b), Angeris et al. (2022); див. також недавній огляд Biais et al. (2023). Heimbach та ін. (2022) обговорюють компроміс між ризиками та прибутками, з якими стикаються LP в Uniswap v3, Cartea та ін. (2023b) вивчають передбачувані втрати LP в умовах безперервного часу, Milionis та ін. (2023) вивчають вплив зборів на прибутки арбітражів в CFM, Fukasawa та ін. (2023) вивчають хеджування неперервних втрат LP, а Lı та ін. (2023) вивчають економіку забезпечення ліквідністю. Найближче до нашої роботи є моделі в Fan et al. (2021) і Fan et al. (2022) , які зосереджуються на доходах від зборів і використовують методи наближення для отримання динамічних стратегій. Нарешті, існує зростаюча література про дизайн AMM для справедливої конкуренції між LP і LT. Goyal et al. (2023) вивчають AMM з динамічними торговими функціями, які включають переконання LP, Lommers et al. (2023) вивчають AMM, де стратегія LP динамічно пристосовується до інформації про ринок, і Cartea et al. (2023c) узагальнюють CFM і пропонують дизайни AMM, де LP висловлюють свої переконання та переваги щодо ризику; див. також Bergault et al Наші роботи пов'язані з алгоритмічною торгівлею та літературою з оптимізації ринків. Ранні роботи з забезпечення ліквідності на традиційних ринках є Ho і Stoll (1983), Biais (1993), і Avellaneda і Stoikov (2008) з розширеннями в багатьох напрямках; див. Cartea et al. (2014, 2017), Gueant' (2017), Bergault et al. (2021), Drissi (2022). Ми посилаємо читача на Cartea et al. (2015), Gueant' (2016), і Donnelly (2022) для всебічного огляду алгоритмічних торгових моделей для збирачів і виробників ліквідності на традиційних ринках. Також наша робота пов'язана з тими в Cartea et al. (2018), Barger and Lorig (2019), Cartea and Wang (2020), Donnelly and Lorig (2020), Forde et al. (2022), Bergault et al. (2022) , які впроваджують ринкові сигнали в алгоритмічних торговельних стратегіях. Решта паперу йде наступним чином. Розділ 2 описує CL-полюси. Розділ 3 вивчає безперервну динаміку багатства ЛП в результаті вартості позиції, доходів від платежів та витрат на перебалансування. Зокрема, ми використовуємо дані Uniswap v3 для вивчення компонента доходів від платежів багатства LP, а наші результати мотивують припущення в нашій моделі. Розділ 4 вводить нашу модель забезпечення ліквідності та використовує стохастичний контроль для отримання оптимальної стратегії закритої форми. Далі ми вивчаємо, як стратегія контролює ширину та схильність діапазону ліквідності як функцію прибутковості басейну, PL, ризику концентрації та дрейфу в маргінальній ставці. Нарешті, розділ 5 використовує дані Uniswap v3 для тестування продуктивності стратегії та демонструє її передову продуктивність. 
 
 Цей документ доступний на архіві під універсальною ліцензією CC0 1.0. Цей документ є Універсальна ліцензія CC0 1.0. available on a РКСІВ РКСІВ

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Read My Stories

Navigating the path to success with Exit Strategy, charting a course for businesses to thrive and investors to prosper.

Exit Strategy's blog

Це аудіо створено мовою оригіналу історії!

У найпопулярнішому дизайні ринку DeFi постачальники ліквідності все ще втрачають

About Author

КОМЕНТАРІ

ПОВІСИТИ БИРКИ

ЦЯ СТАТТЯ БУЛА ПРЕДСТАВЛЕНА В

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps